HyperAIHyperAI

Command Palette

Search for a command to run...

MIT-Ingenieur entwickelt künstliche Intelligenz zur Restaurierung von Kunstwerken

Ein Forscher am Massachusetts Institute of Technology (MIT) hat eine neue Methode entwickelt, die die Restauration von Gemälden erheblich beschleunigen und vereinfachen kann. Alex Kachkine, ein Doktorand im Fach Maschinenbau am MIT, hat einen Prozess kreiert, bei dem digitale Restaurationsmasken direkt auf das Originalgemälde übertragen werden können. Diese Methode könnte die traditionellen, oft zeitaufwendigen und teuren Restaurationsarbeiten revolutionieren, wodurch mehr Kunstwerke der Öffentlichkeit zugänglich gemacht werden könnten. Laut Schätzungen sind etwa 70 % der Kunstwerke in Institutionalsammlungen beschädigt und deshalb nicht für die Öffentlichkeit ausgestellt. Die Restauration alter Gemälde erfordert ein sorgfältiges Vorgehen: Konservatoren identifizieren die zu reparierenden Bereiche und mischen Farben, um diese einzeln auszufüllen. Ein einzelnes Gemälde kann tausende winziger Regionen benötigen, die einzeln restauriert werden müssen, was den Prozess von Wochen bis hin zu mehreren Jahren in die Länge ziehen kann. In den letzten Jahren haben digitale Werkzeuge den Prozess der virtuellen Restauration beschleunigt. Computer-Algorithmen verwenden Techniken der Bilderkennung und Farbanpassung, um schnell eine digital restaurierte Version eines Gemäldes zu generieren, die dem Stil des Künstlers oder der Zeitperiode entspricht. Allerdings konnten diese virtuellen Restaurationen bisher nicht direkt auf das Original übertragen werden. Kachkine hat dies geändert, indem er einen Prozess entwickelt hat, der die digitale Restauration physisch auf das Original anwendet. Der Prozess beginnt mit der Reinigung des Gemäldes und dem Entfernen früherer Restaurierungsbemühungen. Kachkine scannte das gereinigte Gemälde und nutzte bestehende künstliche Intelligenz-Algorithmen, um eine virtuelle Version des ursprünglichen Zustands zu erstellen. Anschließend entwickelte er Software, die eine Karte der Bereiche erstellt, die aufgefrischt werden müssen, zusammen mit den genauen Farbtönen, die erforderlich sind, um das digitale Restaurationsbild abzubilden. Diese Karte wird dann in eine physische, zweischichtige Maske übersetzt, die auf dünnen Polymerfolien gedruckt wird. Die erste Schicht wird in Farbe gedruckt, während die zweite Schicht das gleiche Muster in Weiß reproduziert. Um die Farbreproduktion zu optimieren, müssen die beiden Schichten exakt übereinanderliegen. Kachkine entwickelte dazu computergestützte Tools, die auf dem menschlichen Farbwahrnehmungsvermögen basieren, um zu bestimmen, wie klein die Regionen sein können, die praktisch ausgerichtet und restauriert werden können. Die Masken wurden mit hochwertigen kommerziellen Tintenstrahldruckern hergestellt. Kachkine legte die beiden Schichten sorgfältig übereinander und klebte sie mit einer dünnen Schicht konventionellen Varnishs auf das Originalgemälde. Die Materialien der Druckfolien können leicht mit konservatorischen Lösungen aufgelöst werden, falls künftige Konservatoren das ursprüngliche, beschädigte Werk wieder freilegen müssen. Das digitale Datei der Maske kann als detaillierte Dokumentation der durchgeführten Restaurierungen gespeichert werden. Als Demonstration wendete Kachkine seine Methode auf ein stark beschädigtes Ölporträt aus dem 15. Jahrhundert an, das er beim Beginn seines Promotionsstudiums erworben hatte. Der Algorithmus identifizierte 5.612 separate Bereiche, die gefüllt werden mussten, und verwendete 57.314 verschiedene Farbtöne. Der gesamte Prozess dauerte nur 3,5 Stunden, was er auf etwa 66-mal schneller schätzt als herkömmliche Restaurationsmethoden. „Vor ein paar Jahren habe ich ein barockes italienisches Gemälde mit ähnlich vielen Verlusten restauriert, und das hat neun Monate part-time Arbeit gebraucht," erinnert sich Kachkine. „Je mehr Verluste es gibt, desto effektiver ist diese Methode.“ Kachkine betont, dass ethische Überlegungen bei jedem Schritt des Prozesses beachtet werden müssen, um sicherzustellen, dass die restaurierten Werke dem Stil und der Absicht des Künstlers gerecht werden. Die Beteiligung von Konservatoren mit Wissen über die Geschichte und Herkunft des Gemäldes ist unerlässlich. Er hofft, dass seine Methode dazu beiträgt, dass mehr Kunstwerke restauriert und ausgestellt werden, die momentan wegen ihrer Beschädigungen im Lager liegen. Dieses Projekt wurde teilweise durch den John O. und Katherine A. Lutz Memorial Fund unterstützt und unter der Nutzung von Ausrüstung und Einrichtungen des MIT durchgeführt. Zudem erhielt Kachkine Unterstützung vom MIT Microsystems Technology Laboratories, dem MIT Department of Mechanical Engineering und den MIT Libraries. Im Kontext der Branche und der Expertenmeinungen wird dieser Durchbruch als vielversprechend angesehen. Kachkine’s Methode könnte nicht nur die Geschwindigkeit der Restauration drastisch erhöhen, sondern auch die Dokumentation und Transparenz im Restaurationsprozess verbessern. Dies könnte dazu führen, dass restaurierte Gemälde künftigen Generationen besser erhalten bleiben und die wissenschaftliche Praxis der Kunstrestauration weiter vorangetrieben wird.

Verwandte Links

MIT-Ingenieur entwickelt künstliche Intelligenz zur Restaurierung von Kunstwerken | Aktuelle Beiträge | HyperAI